Pfadplanung: Potentialfeldmethoden
|
|
- Franka Ritter
- vor 6 Jahren
- Abrufe
Transkript
1 Pfadplanung: Potentialfeldmethoden Idee Abstossendes und anziehendes Potential Brushfire-Verfahren Gradienten-Planer Prof. Dr. O. Bittel, HTWG Konstanz Autonome Roboter - Potentialfeldmethoden SS
2 Idee Roboter wird als punktförmige Masse behandelt, die unter dem Einfluss eines Potentialfeldes (Skalarfeld) steht. Geplanter Roboterweg entspricht dem Weg einer ins Tal rollenden Kugel. Bewegungsrichtung des Roboters an einer Position x ergibt sich aus dem negativen Gradienten des Potentialfeldes an der Stelle x. (Gradientenabstieg) Hindernisse erzeugen ein abstossendes Potentialfeld. Das Ziel erzeugt ein anziehendes Potentialfeld. Darstellung aus [Choset 2004] Prof. Dr. O. Bittel, HTWG Konstanz Autonome Roboter - Potentialfeldmethoden SS
3 Anziehendes Potential-Feld U att (c) (attractive potential field) wächst quadratisch mit dem Abstand zum Ziel: U att (c) = 1 2 k 2 attd goal (c) wobei d goal (c) der Euklidische Abstand zu c ist : d goal (c) = c c goal Die anziehende Kraft konvergiert in Richtung Ziel linear gegen 0: F att (c) = U att (c) ( ) = k att c c goal Wird das Potential U att ab einer bestimmten Schwellentfernung d* nur noch als linear wachsend definiert, dann wächst die anziehende Kraft F nicht endlos, sondern bleibt bei Entfernungen größer als d* konstant. Prof. Dr. O. Bittel, HTWG Konstanz Autonome Roboter - Potentialfeldmethoden SS
4 Abstossendes Potential-Feld U rep_i (c) (repulsive potential field) ist groß in der Nähe des Hindernisses CO i und ist 0 in einer Entfernung größer als d*: dabei ist d i (c) der minimale Abstand von c zum Hindernis CO i. d* Die abstossende Kraft wird in der Nähe von Hindernissen unendlich groß: Prof. Dr. O. Bittel, HTWG Konstanz Autonome Roboter - Potentialfeldmethoden SS
5 Brushfire-Verfahren (1) Erstelle zur Umgebung ein Belegtheitsgitter. Belegtheitsgitter wird als Graph aufgefasst (4er- oder 8er-Nachbarschaft). Ermittle alle Randzellen. Randzellen sind Zellen, die ein freies Nachbarfeld haben. Starte das Dijkstra-Verfahren, wobei Open List mit allen Randzellen initialisiert wird. Der d-wert (Abstandswert) der Randzellen wird auf 0 gesetzt. Belegtheitsgitter [Corke 2011] Gitter mit Entfernungswerten zu den nächstgelegenen Hindernissen [Corke 2011] Prof. Dr. O. Bittel, HTWG Konstanz Autonome Roboter - Potentialfeldmethoden SS
6 Brushfire-Verfahren (2) Das Verfahren entspricht anschaulich einem Buschfeuer, das nach und nach alle freien Felder erreicht, bis sich die Feuerfronten treffen (Brushfire) Das Verfahren berechnet für alle Zellen den Abstand zu den nächstgelegenen Hindernissen. Aus dem Belegtheitsgitter mit den berechneten Abstandswerten wird das abstossende Potentialfeld ermittelt. Um das Gesamt-Potentialfeld zu erhalten, lässt sich einfach an jedem Gitterfeld noch das anziehende Potential des Zielpunkts dazuaddieren. Der Gradient (Bewegungsrichtung des Roboters) kann einfach dadurch bestimmt werden, dass unter allen Nachbarfeldern dasjenige mit dem kleinsten Potentialwert bestimmt wird. Prof. Dr. O. Bittel, HTWG Konstanz Autonome Roboter - Potentialfeldmethoden SS
7 Problem der lokalen Minima Wie bei jedem Gradientenverfahren kann der Gradientenabstieg in ein lokales Minimum enden. Zufallsbewegungen können eventuell aus dem Minimum herausführen. Prof. Dr. O. Bittel, HTWG Konstanz Autonome Roboter - Potentialfeldmethoden SS
8 Gradientenplaner (1) Fasse Belegtheitsgitter als Graph auf und berechene mit dem Dijkstra-Verfahren alle kürzesten Wege vom Ziel nach allen anderen Knoten und trage die berechneten kürzesten Weglängen d in die entsprechnden Gitterzellen ein. Gesuchter Weg ergibt sich dann, indem bei einem beliebigen Startknoten S begonnen wird und immer zu derjenigen Nachbarzellen mit geringstem d-wert gegangen wird (Gradientenabstieg). Belegtheitsgitter mit 8-Nachbarschaft. Grauwert stellt die berechnete kürzeste Weglänge dar. Z S Abb. aus [Corke 2011] Prof. Dr. O. Bittel, HTWG Konstanz Autonome Roboter - Potentialfeldmethoden SS
9 Gradientenplaner (2) Sobald die kürzesten Wege berechnet wurden, ist für jeden Startknoten (!) der kürzeste Weg unmittelbar durch Gradientabstieg gegeben. Vorteil: bei einer Abweichung vom geplanten Weg steht eine Neuplanung des Wegs sofort zur Verfügung. Das Ziel darf sich dabei jedoch nicht ändern. S' Z S Abb. aus [Corke 2011] Zusätzlich können Zellen noch mit Kosten versehen werden, die vom Abstand zum nächsten Hindernis abhängen. Damit werden bei der Pfadplanung zwei Ziele verfolgt: Sicherheit der Wege (d.h. größere Abstände von Hindernissen) und ihre Länge. Prof. Dr. O. Bittel, HTWG Konstanz Autonome Roboter - Potentialfeldmethoden SS
Informatik Aufgaben. 1. Erstelle ein Programm zur Berechnung der Summe der Zahlen von 1 bis n, z.b. n = 100.
Informatik Aufgaben 1. Erstelle ein Programm zur Berechnung der Summe der Zahlen von 1 bis n, z.b. n = 100. 2. Erstelle ein Programm, das die ersten 20 (z.b.) ungeraden Zahlen 1, 3, 5,... ausgibt und deren
MehrAutonome Roboter. Übersicht. Fakultät Informatik Masterstudiengang Informatik
Autonome Roboter SS 2015 Fakultät Informatik Masterstudiengang Informatik Prof. Dr. Oliver Bittel bittel@htwg-konstanz.de www-home.htwg-konstanz.de/~bittel Prof. Dr. O. Bittel, HTWG Konstanz Autonome Roboter
MehrWissensbasierte Systeme
WBS3 Slide 1 Wissensbasierte Systeme Sebastian Iwanowski FH Wedel Kap. 3: Algorithmische Grundlagen der KI WBS3 Slide 2 Suchstrategien Warum sind Suchstrategien so wichtig in Wissensbasierten Systemen?
MehrSS 2005 FAU Erlangen 20.6.2005. Eine Wegeplanungs-Strategie. Jeremy Constantin, Michael Horn, Björn Gmeiner
SS 2005 FAU Erlangen 20.6.2005 Voronoi Diagramm Eine Wegeplanungs-Strategie Jeremy Constantin, Michael Horn, Björn Gmeiner Grundseminar: Umgebungsexploration und Wegefindung mit Robotern am Beispiel "Katz
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrMaximaler Fluß und minimaler Schnitt. Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de
Maximaler Fluß und minimaler Schnitt Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de Maximaler Fluß und minimaler Schnitt Wasist das? Maximaler Fluss Minimaler Schnitt Warumtut man das? Logistische
MehrWasserfall-Ansätze zur Bildsegmentierung
Wasserfall-Ansätze zur Bildsegmentierung von Philipp Jester Seminar: Bildsegmentierung und Computer Vision 16.01.2006 Überblick 1. Problemstellung 2. Wiederholung: Wasserscheiden-Ansätze 3. Der Wasserfall-Ansatz
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
Mehr8. Uninformierte Suche
8. Uninformierte Suche Prof. Dr. Ruolf Kruse University of Mageurg Faculty of Computer Science Mageurg, Germany ruolf.kruse@cs.uni-mageurg.e S otationen () otationen: Graph Vorgänger (ancestor) von Knoten
MehrParallele und funktionale Programmierung Wintersemester 2013/14. 8. Übung Abgabe bis 20.12.2013, 16:00 Uhr
8. Übung Abgabe bis 20.12.2013, 16:00 Uhr Aufgabe 8.1: Zeigerverdopplung Ermitteln Sie an folgendem Beispiel den Rang für jedes Listenelement sequentiell und mit dem in der Vorlesung vorgestellten parallelen
MehrNeuronale Netze mit mehreren Schichten
Neuronale Netze mit mehreren Schichten Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg (Lehrstuhl Informatik 8) Neuronale Netze mit mehreren
MehrHochschule Regensburg. Spezielle Algorithmen (SAL) Lehrbeauftragter: Prof. Sauer
Hochschule Regensburg Übung 44_ Multilayer-Perzeptron: Entwurf, Implementierung Bacpropagation Spezielle Algorithmen (SAL) Lehrbeauftragter: Prof. Sauer Name: Vorname: Multilayer-Perzeptrons (MLPs) sind
MehrProf. Dr.-Ing. Holger Voos M.Sc. Suparchoek Wangmanaopituk. Hochschule Ravensburg-Weingarten Labor für mobile Robotik und Mechatronik
Agent-based Automation of a flexible Microproduction System including Teams of Mobile Robots Prof. Dr.-Ing. Holger Voos M.Sc. Suparchoek Wangmanaopituk Hochschule Labor für mobile Robotik und Mechatronik
MehrGraphen: Datenstrukturen und Algorithmen
Graphen: Datenstrukturen und Algorithmen Ein Graph G = (V, E) wird durch die Knotenmenge V und die Kantenmenge E repräsentiert. G ist ungerichtet, wenn wir keinen Start- und Zielpunkt der Kanten auszeichnen.
MehrEine molekulare Lösung des Hamiltonkreisproblems mit DNA
Eine molekulare Lösung des Hamiltonkreisproblems mit DNA Seminar Molecular Computing Bild: http://creatia2013.files.wordpress.com/2013/03/dna.gif Andreas Fehn 11. Juli 2013 Gliederung 1. Problemstellung
MehrDer schwingende Dipol (Hertzscher Dipol): Experimentalphysik I/II für Studierende der Biologie und Zahnmedizin Caren Hagner V6 17.01.
Der schwingende Dipol (Hertzscher Dipol): 1 Dipolachse Ablösung der elektromagnetischen Wellen vom Dipol 2 Dipolachse KEINE Abstrahlung in Richtung der Dipolachse Maximale Abstrahlung senkrecht zur Dipolachse
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
MehrEinführung in neuronale Netze
Einführung in neuronale Netze Florian Wenzel Neurorobotik Institut für Informatik Humboldt-Universität zu Berlin 1. Mai 2012 1 / 20 Überblick 1 Motivation 2 Das Neuron 3 Aufbau des Netzes 4 Neuronale Netze
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2007 4. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Traversierung Durchlaufen eines Graphen, bei
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
MehrFully dynamic algorithms for the single source shortest path problem.
Fully dynamic algorithms for the single source shortest path problem. Michael Baur Wintersemester 2001/2002 Zusammenfassung Im folgenden Paper werde ich Algorithmen für das dynamische Kürzeste-Wege-Problem
MehrIonenkanäle der Zellmembran. Seminar Differenzialgleichungen in der Biomedizin SoSe09 Karoline Jäger
Ionenkanäle der Zellmembran Seminar Differenzialgleichungen in der Biomedizin SoSe09 Karoline Jäger Inhaltsverzeichnis 1. Strom-Spannung Beziehung 2. Unabhängigkeit, Sättigung, Ussing Fluss Rate 3. Elektrodiffusions
MehrUndirected Single-Source Shortest Paths with Positive Integer Weights in Linear Time
Universität Konstanz Mathematisch-naturwissenschaftliche Sektion Fachbereich Mathematik und Statistik Wintersemester 2001/02 Mikkel Thorup: Undirected Single-Source Shortest Paths with Positive Integer
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
MehrDIE FILES DÜRFEN NUR FÜR DEN EIGENEN GEBRAUCH BENUTZT WERDEN. DAS COPYRIGHT LIEGT BEIM JEWEILIGEN AUTOR.
Weitere Files findest du auf www.semestra.ch/files DIE FILES DÜRFEN NUR FÜR DEN EIGENEN GEBRAUCH BENUTZT WERDEN. DAS COPYRIGHT LIEGT BEIM JEWEILIGEN AUTOR. Physiklabor 4 Michel Kaltenrieder 10. Februar
MehrKürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik
Kürzeste Wege in Graphen Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Gliederung Einleitung Definitionen Algorithmus von Dijkstra Bellmann-Ford Algorithmus Floyd-Warshall Algorithmus
MehrLange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege
Lange Nacht der Wissenschaft Ein Klassiker Die Mathematik der Kürzesten Wege 09.06.2007 schlechte@zib.de Konrad-Zuse-Zentrum für Informationstechnik Berlin (ZIB) http://www.zib.de/schlechte 2 Überblick
MehrVersuchsauswertung mit Polynom-Regression in Excel
Versuchsauswertung mit Polynom-Regression in Excel Aufgabenstellung: Gegeben sei die in Bild 1 gezeigte Excel-Tabelle mit Messwertepaaren y i und x i. Aufgrund bekannter physikalischer Zusammenhänge wird
Mehr2. Übungsaufgabe: Geometrieoptimierung, Verwendung der Z-Matrix
Theoretische Chemie II Übungen am Computer Prof. Bernhard Dick Christian Neiß Uni Regensburg WS 2003/2004 2. Übungsaufgabe: Geometrieoptimierung, Verwendung der Z-Matrix A. Vorbemerkungen: Angabe der Molekülgeometrie
MehrEine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder
Programmieren in PASCAL Bäume 1 1. Baumstrukturen Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder 1. die leere Struktur oder 2. ein Knoten vom Typ Element
Mehr7.2 Planung. Die Anforderungen in der Übersicht:
Eine Schwebezeit von 50 Minuten wird nur durch geringes in Kombination mit gut ausgelegten Antrieben erreicht. Gut ausgelegt bedeutet, dass die Wirkungsgrade da optimal sind, wo die Motoren am häufigsten
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrHintergrundpapier. Länderöffnungsklausel im BauGB Länderspezifische Mindestabstände für Windenergieanlagen und ihre räumlichen Auswirkungen
Hintergrundpapier Länderöffnungsklausel im BauGB Länderspezifische Mindestabstände für Windenergieanlagen und ihre räumlichen Auswirkungen Autorin: Brigitte Zaspel-Heisters Mai 2014 Hintergrundpapier 1.
MehrGitterherstellung und Polarisation
Versuch 1: Gitterherstellung und Polarisation Bei diesem Versuch wollen wir untersuchen wie man durch Überlagerung von zwei ebenen Wellen Gttterstrukturen erzeugen kann. Im zweiten Teil wird die Sichtbarkeit
MehrPROSEMINAR ONLINE ALGORITHMEN
PROSEMINAR ONLINE ALGORITHMEN im Wintersemester 2000/2001 Prof. Dr. Rolf Klein, Dr. Elmar Langetepe, Dipl. Inform. Thomas Kamphans (Betreuer) Vortrag vom 15.11.2000 von Jan Schmitt Thema : Finden eines
MehrUnsupervised Kernel Regression
9. Mai 26 Inhalt Nichtlineare Dimensionsreduktion mittels UKR (Unüberwachte KernRegression, 25) Anknüpfungspunkte Datamining I: PCA + Hauptkurven Benötigte Zutaten Klassische Kernregression Kerndichteschätzung
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
Mehr5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c)
5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c) mit V = {1,...,n} und E {(v, w) 1 apple v, w apple n, v 6= w}. c : E!
MehrAlgorithmen und Datenstrukturen Balancierte Suchbäume
Algorithmen und Datenstrukturen Balancierte Suchbäume Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Überblick Einführung Einfügen und Löschen Einfügen
MehrAlgorithmen und Datenstrukturen Bereichsbäume
Algorithmen und Datenstrukturen Bereichsbäume Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Überblick Einführung k-d Baum BSP Baum R Baum Motivation
MehrPolarisation des Lichts
PeP Vom Kerzenlicht zum Laser Versuchsanleitung Versuch 4: Polarisation des Lichts Polarisation des Lichts Themenkomplex I: Polarisation und Reflexion Theoretische Grundlagen 1.Polarisation und Reflexion
MehrA. Ein Kondensator differenziert Spannung
A. Ein Kondensator differenziert Spannung Wir legen eine Wechselspannung an einen Kondensator wie sieht die sich ergebende Stromstärke aus? U ~ ~ Abb 1: Prinzipschaltung Kondensator: Physiklehrbuch S.
MehrBeeinflussung von Radio- und Fernsehempfang durch Sunny Central
Beeinflussung von Radio- und Fernsehempfang durch Sunny Central für alle Solaranlagen mit SUNNY CENTRAL Inhalt Mit jedem elektrischen Gerät ist ein elektromagnetisches Feld verbunden. Somit müssen PV-Wechselrichter
MehrMorphologie auf Binärbildern
Morphologie auf Binärbildern WS07 5.1 Konen, Zielke WS07 5.2 Konen, Zielke Motivation Aufgabe: Objekte zählen Probleme: "Salt-&-Pepper"-Rauschen erzeugt falsche Objekte Verschmelzen richtiger Objekte durch
MehrVortrag. Suchverfahren der Künstlichen Intelligenz. Sven Schmidt (Technische Informatik)
Vortrag Suchverfahren der Künstlichen Intelligenz Sven Schmidt (Technische Informatik) Suchverfahren der Künstlichen Intelligenz Grundlagen Zustandsraumrepräsentation Generische Suche Bewertung von Suchstrategien
MehrKünstliche Intelligenz Maschinelles Lernen
Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen
MehrMonatliche Grundgebühr: 5,00 Zeitabhängige Nutzung: Feiertags/Sonntags: 0,04 /min
Aufgabe 1: Wortvorschriften Gib zu den Wortvorschriften je eine Funktionsgleichung an: a) Jeder Zahl wird das Doppelte zugeordnet b) Jeder Zahl wird das um 6 verminderte Dreifache zugeordnet c) Jeder Zahl
MehrElektrische Messverfahren Versuchsvorbereitung
Versuche P-70,7,8 Elektrische Messverfahren Versuchsvorbereitung Thomas Keck, Gruppe: Mo-3 Karlsruhe Institut für Technologie, Bachelor Physik Versuchstag: 6.2.200 Spannung, Strom und Widerstand Die Basiseinheit
MehrWORKFLOW DESIGNDOKUMENT
Architectural Design WORKFLOW DESIGNDOKUMENT Softwareentwicklung Praktikum, Übungsbeispiel 2 Gruppe 86 Andreas Hechenblaickner [0430217] Daniela Kejzar [0310129] Andreas Maller [0431289] Gruppe 86 Seite
MehrBreiten- und Tiefensuche in Graphen
Breiten- und Tiefensuche in Graphen Inhalt Theorie. Graphen. Die Breitensuche in der Theorie am Beispiel eines ungerichteten Graphen. Die Tiefensuche in der Theorie am Beispiel eines gerichteten Graphen
MehrErreichen eines Ziels (ohne Kamera) Teil II: Realisation
Erreichen eines Ziels (ohne Kamera) Teil II: Realisation Vortrag im PSBVLego 2003, PDF-Version Christoph Sommer 2003-01-20 1 Aufgabenstellung Anfahren einer Lampe hinter einem kleinen
MehrData Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY
Data Cube On-line Analytical Processing (OLAP). Einführung Ziel: Auffinden interessanter Muster in großen Datenmengen 2. Aggregation in SQL, GROUP BY 3. Probleme mit GROUP BY 4. Der Cube-Operator! Formulierung
MehrProgrammiertechnik II
Bäume Symboltabellen Suche nach Werten (items), die unter einem Schlüssel (key) gefunden werden können Bankkonten: Schlüssel ist Kontonummer Flugreservierung: Schlüssel ist Flugnummer, Reservierungsnummer,...
MehrSEMINAR MMI - VERFAHREN DER WEGEPLANUNG
SEMINAR MMI - VERFAHREN DER WEGEPLANUNG Alexander Gran alex@grans.eu Kurzfassung Wegeplanung ist ein vielseitig eingesetztes Werkzeug um Probleme aus den Bereichen Robotersteuerung, Computeranimation,
MehrLaborpraktikum Diffraktion : Versuchsdurchführung und Ergebniserfassung
LEICHTWEIß-INSTITUT FÜR WASSERBAU Abteilung Hydromechani und Küsteningenieurwesen Professor Dr.-Ing. Hocine Oumeraci Laborpratium Diffration : Datum: Gruppen-Nr: Studenten/innen: Lfd. Nr. Vorname Name
Mehrt r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r )
Definition B : Menge der binären Bäume, rekursiv definiert durch die Regeln: ist ein binärer Baum sind t l, t r binäre Bäume, so ist auch t =, t l, t r ein binärer Baum nur das, was durch die beiden vorigen
MehrDijkstra, Kalmann und der Heiratssatz. Anwendung von Algorithmen am Beispiel der innovativen Mobilitätslösung car2go
Dijkstra, Kalmann und der Heiratssatz Anwendung von Algorithmen am Beispiel der innovativen Mobilitätslösung cargo Jahre Automobil Am 9 Januar meldete Carl Benz seinen Motorwagen mit Verbrennungsmotor
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrPraktikum Wissenschaftliches Rechnen 3. Aufgabenblatt
Institut für Wissenschaftliches Rechnen Technische Universität Braunschweig Prof. Hermann G. Matthies, Ph. D. Dipl.-inform. Oliver Kayser-Herold Praktikum Wissenschaftliches Rechnen 3. Aufgabenblatt Wir
MehrKompakte Graphmodelle handgezeichneter Bilder
Kompakte Graphmodelle handgezeichneter Bilder Einbeziehung in Authentizierung und Bilderkennung Inhaltsverzeichnis Seminar Mustererkennung WS 006/07 Autor: Stefan Lohs 1 Einleitung 1 Das graphische Modell.1
MehrNavigation: Einführung
Navigation: Einführung Definition (Levitt & Lawton 1990) Navigation als Prozess zur Beantwortung der Fragen (a) Wo bin ich? (b) Wo befinden sich andere Orte im Bezug zu mir? (c) Wie gelange ich von meinem
MehrModelle und Statistiken
Kapitel 4 Modelle und Statistiken In letzter Zeit werden vermehrt Parameter (Gradfolgen, Kernzahlfolgen, etc.) empirischer Graphen (Internet, WWW, Proteine, etc.) berechnet und diskutiert. Insbesondere
MehrDie Verbindung von Linearer Programmierung und Graphentheorie
Die Verbindung von Linearer Programmierung und Graphentheorie Definition 5.9. Ein kombinatorisches Optimierungsproblem entspricht einem LP, bei dem statt der Vorzeichenbedingungen x i 0 Bedingungen der
MehrBabeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005. Paradigmen im Algorithmenentwurf
Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005 Paradigmen im Algorithmenentwurf Problemlösen Problem definieren Algorithmus entwerfen
MehrPraktikum Nr. 3. Fachhochschule Bielefeld Fachbereich Elektrotechnik. Versuchsbericht für das elektronische Praktikum
Fachhochschule Bielefeld Fachbereich Elektrotechnik Versuchsbericht für das elektronische Praktikum Praktikum Nr. 3 Manuel Schwarz Matrikelnr.: 207XXX Pascal Hahulla Matrikelnr.: 207XXX Thema: Transistorschaltungen
MehrHäufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln
Häufigkeitstabellen Menüpunkt Data PivotTable Report (bzw. entsprechendes Icon): wähle Data Range (Zellen, die die Daten enthalten + Zelle mit Variablenname) wähle kategoriale Variable für Spalten- oder
MehrInstitut für Programmierung und Reaktive Systeme 25. August 2014. Programmier-Labor. 04. + 05. Übungsblatt. int binarysearch(int[] a, int x),
Technische Universität Braunschweig Dr. Werner Struckmann Institut für Programmierung und Reaktive Systeme 25. August 2014 Programmier-Labor 04. + 05. Übungsblatt Aufgabe 21: a) Schreiben Sie eine Methode
MehrVerfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS
Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS Dezember 007 Dipl.-Ing. Stefan Abu Salah Dipl.-Ing. Achim Marikar QoS (Quality of Service): Sicherstellung der Qualität Zeitkritische
MehrGepulste Laser und ihre Anwendungen. Alexander Pönopp
Proseminar SS 2014 Gepulste Laser und ihre Anwendungen Alexander Pönopp Lasermaterialbearbeitung - wofür Bearbeitung von Material, was schwer zu bearbeiten ist (z.b. Metall) Modifikation von Material -
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
MehrStatistische Untersuchungen zu endlichen Funktionsgraphen
C# Projekt 1 Name: Statistische Untersuchungen zu endlichen Funktionsgraphen Aufgabe: Basierend auf dem Abschnitt 2.1.6. Random mappings, Kap.2, S 54-55, in [1] sollen zunächst für eine beliebige Funktion
MehrReihungen. Martin Wirsing. in Zusammenarbeit mit Matthias Hölzl und Nora Koch 11/03
Reihungen Martin Wirsing in Zusammenarbeit mit Matthias Hölzl und Nora Koch 11/03 2 Ziele Die Datenstruktur der Reihungen verstehen: mathematisch und im Speicher Grundlegende Algorithmen auf Reihungen
MehrMagnetische Induktion
Magnetische Induktion 5.3.2.10 In einer langen Spule wird ein Magnetfeld mit variabler Frequenz und veränderlicher Stärke erzeugt. Dünne Spulen werden in der langen Feldspule positioniert. Die dabei in
MehrDatenstrukturen und Algorithmen SS07
Datenstrukturen und Algorithmen SS07 Datum: 27.6.2007 Michael Belfrage mbe@student.ethz.ch belfrage.net/eth Programm von Heute Online Algorithmen Update von Listen Move to Front (MTF) Transpose Approximationen
MehrEntwicklung eines Distanzmaßes zwischen Bildern über dem Modell der Fields of Visual Words
Entwicklung eines Distanzmaßes zwischen Bildern über dem Modell der Fields of Visual Words André Viergutz 1 Inhalt Einführung. Einordnung der Arbeit in die zugrunde liegenden Konzepte Das Modell der Fields
MehrABITURPRÜFUNG 2009 LEISTUNGSFACH INFORMATIK
ABITURPRÜFUNG 2009 LEISTUNGSFACH INFORMATIK (HAUPTTERMIN) Bearbeitungszeit: 270 Minuten Hilfsmittel: Wörterbuch zur deutschen Rechtschreibung Taschenrechner (nicht programmierbar, nicht grafikfähig) (Schüler,
Mehr2.5. VERBINDUNGSNETZWERKE GESTALTUNGSKRITERIEN DER NETZWERKE TOPOLOGIE ALS GRAPH. Vorlesung 5 TOPOLOGIE: DEFINITIONEN : Sei G = (V, E) ein Graph mit:
Vorlesung 5.5. VERBINDUNGSNETZWERKE Kommunikation zwischen den einzelnen Komponenten eines arallelrechners wird i.d.r. über ein Netzwerk organisiert. Dabei unterscheidet man zwei Klassen der Rechner: TOOLOGIE:
MehrDynamisch unterrichten mit Excel
Reimund Albers Dynamisch unterrichten mit Excel Erstellen von Schiebereglern 1 Dynamisch unterrichten mit Excel oder: Wie erstelle ich einen Schieberegler in Excel? Beispiel: Demonstration der Abhängigkeit
MehrWechselstrom (Widerstand von Kondensator, Spule, Ohmscher Widerst.) Abstrahlung von elektromagnetischen Wellen (Hertzscher Dipol)
Heutiges Programm: 1 Wechselstrom (Widerstand von Kondensator, Spule, Ohmscher Widerst.) Elektrischer Schwingkreis Abstrahlung von elektromagnetischen Wellen (Hertzscher Dipol) Elektromagnetische Wellen
Mehr( ) als den Punkt mit der gleichen x-koordinate wie A und der
ETH-Aufnahmeprüfung Herbst 05 Mathematik I (Analysis) Aufgabe [6 Punkte] Bestimmen Sie den Schnittwinkel α zwischen den Graphen der Funktionen f(x) x 4x + x + 5 und g(x) x x + 5 im Schnittpunkt mit der
Mehr6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum
6 ALLGEMEINE THEORIE DES ELEKTROMAGNETISCHEN FELDES IM VAKUUM 25 Vorlesung 060503 6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6.1 Grundaufgabe der Elektrodynamik Gegeben: Ladungsdichte
MehrNeigungsmessung Bedienungsanleitung
Neigungsmessung Bedienungsanleitung Version: 1.3 Datum: 06.09.2011 CD LAB AG, Irisweg 12, CH-3280 Murten, Tel. +41 (0)26 672 37 37, Fax +41 (0)26 672 37 38 www.wincan.com Inhaltsverzeichniss 1 Einführung...
MehrSo funktioniert der Szenario-Manager
So funktioniert der Szenario-Manager Eine wichtige Basis für Entscheidungen ist zu wissen, welche Annahmen zu welchen Ergebnissen führen. Ein spezielles Excel-Werkzeug ist hier eine große Hilfe: der Szenario-Manager.
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik
MehrDatenbankanwendung. Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern. Wintersemester 2014/15. smichel@cs.uni-kl.de
Datenbankanwendung Wintersemester 2014/15 Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern smichel@cs.uni-kl.de Wiederholung: Anfragegraph Anfragen dieses Typs können als Graph dargestellt werden: Der
MehrInhaltsverzeichnis. TEIL I: Einführung in EXCEL
Inhaltsverzeichnis TEIL I: Einführung in EXCEL 1 Das Tabellenkalkulationsprogramm EXCEL... 1 1.1 Tabellenkalkulation... 1 1.2 Anwendungsgebiete... 1 1.3 Hilfefunktionen... 2 2 Benutzeroberflächen der Versionen
Mehr10 Dynamische Programmierung
137 Dynamische Programmierung Das Prinzip der Dynamischen Programmierung wird häufig bei Fragestellungen auf Worten angewendet..1 Längste gemeinsame Teilfolge Wir betrachten Worte der rt w = a 1 a 2 a
MehrJENOPTIK. Geschwindigkeitsmessungen mit Lasertechnologie. Referent: Wolfgang Seidel
JENOPTIK Geschwindigkeitsmessungen mit Lasertechnologie Referent: Wolfgang Seidel Jenoptik-Konzern Überblick Konzernstruktur Corporate Center Laser & Materialbearbeitung Optische Systeme Industrielle Messtechnik
MehrSchritt 1 - Ein Spielfeld
Schritt 1 - Ein Spielfeld Wir beginnen mit zwei einfachen Java-Klassen, dem eigentlichen Spielfeld und dem Applet zum Anzeigen des Spielfeldes (und später der Buttons und der anderen Bedienelemente). Hier
Mehrvon Feldausbildungen und Stromdichteverteilungen (zweidimensional)
Katalog Katalog von Feldausbildungen und Stromdichteverteilungen (zweidimensional) Inhalt 1 Leiter bei Gleichstrom (Magnetfeld konstanter Ströme) Eisenleiter bei Gleichstrom 3 Leiter bei Stromanstieg 4
MehrModulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
MehrElektrostatische Lautsprecher
Elektrostatische Lautsprecher Referat Tonseminar WS 03/04 Reiner Pfeiffer 10971 Inhalt: Grundprinzip Vor- und Nachteile Einfachste Bauform Gegentakt-ESL (Prinzip) Gegentakt-ESL (Aufbau) Nichtlineare Verzerrungen
MehrTeil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29
1 29 Teil III: Routing - Inhalt I Literatur Compass & Face Routing Bounded & Adaptive Face Routing Nicht Ω(1) UDG E. Kranakis, H. Singh und Jorge Urrutia: Compass Routing on Geometric Networks. Canadian
MehrFachhochschule Braunschweig / Wolfenbüttel Fachbereich Elektrotechnik
Fachhochschule Braunschweig / Wolfenbüttel Fachbereich Elektrotechnik Prof. Dr.-Ing. Ose 8. 11. 2006 Labor Grundlagen der ET I V 16: Lineare Netzwerke (AV) Teilnehmer 1: Matr.-Nr.: Datum: Gruppen-Kennzeichen:
MehrFachbereich Bauingenieurwesen 07.02.2008 Prof. Dr.-Ing. Klaus Berner Semesterklausur Bauinformatik I (Nr.14) Name :... Matr.-Nr.:...
FH Potsdam Fachbereich Bauingenieurwesen 07.02.2008 Prof. Dr.-Ing. Klaus Berner Semesterklausur Bauinformatik I (Nr.14) Name :... Matr.-Nr.:... Geburtsdatum: (vorläufig) max. COMPUTER Nr.:.. Erreichte
MehrComputer Graphik II Tesselierung impliziter Kurven und Flächen
Computer Graphik II impliziter Kurven und Flächen 1 impliziter Flächen Problem: Nullstellenmenge kann nicht explizit berechnet werden! Lösung: ApproximaCon der Fläche auf Zellen Beispiel 2D: f p ( )
MehrWissensbasierte Systeme
WBS5 Slide 1 Wissensbasierte Systeme Vorlesung 5 vom 17.11.2004 Sebastian Iwanowski FH Wedel WBS5 Slide 2 Wissensbasierte Systeme 1. Motivation 2. Prinzipien und Anwendungen 3. Logische Grundlagen 4. Suchstrategien
Mehr3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel
3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel EADS 3.1 Konstruktion von minimalen Spannbäumen 16/36
MehrOptimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg
Universität Regensburg Wintersemester 2012/13 1 Einführung Anwendungen Finanzwirtschaft: maximale Gewinnrate unter Beschränkungen an das Risiko; Portfolio von Investments Produktion: maximiere Gewinn bei
Mehr